考虑可配送时间和柔性时间期限的电动车路径问题

随着低碳绿色、节能环保的经济发展理念越来越受到重视,电动车逐渐成为物流配送的主要运输工具,且物流配送服务的灵活性也越来越受到重视。在传统的车辆路径问题中,通常假设客户需要在指定的时间窗口内接收货物,如果未能按时送达,则会被视为违约,造成客户满意度下降。然而,在实际应用中,大部分客户接受在截止日期后一定时间内延迟接收货物,但这种灵活性通常伴随着额外的成本。针对货物具有可配送时间和柔性时间期限的情况,研究了考虑可配送时间和柔性时间期限的电动车车辆路径问题。构建了以车辆数量、行驶成本和违反时间期限的惩罚成本最小化为目标的混合整数规划模型,设计了改进的自适应大邻域搜索算法对其求解,基于问题特性设计了高效的破坏算子和修复算子以扩大解的搜索空间、运用自适应策略选择高效的搜索算子以及引入模拟退火新解接受策略避免陷入局部最优。通过对随机生成的算例进行计算验证了模型和算法的有效性,并分析了是否考虑柔性时间期限约束及不同的违反时间期限惩罚系数对总成本的影响,本研究为物流配送企业电动车车辆路径规划提供参考依据。

基于文献计量和知识图谱的电动车辆路径问题研究综述

为揭示电动车辆路径问题领域的研究与发展现状,对CNKI和Web of Science数据库中电动车辆路径问题1994-2022年间的期刊文献进行知识挖掘与分析。基于文献计量学的量化分析与知识图谱的可视化,通过分析文献外部特征和共被引情况,梳理研究热点及热点演进趋势,归纳研究主题,总结出电动车辆路径问题的知识域包括研究主题和应用场景,其中,研究主题由变体研究、充电调度、求解方法三部分构成;对电动车辆路径问题在复杂实际问题、高效求解算法方面的未来发展进行展望,这将为电动车辆路径问题研究的深入化与国际化提供一定的推动作用。

考虑众包场景的电动车动态需求车辆路径问题

针对企业自有车辆和社会车辆共同取送货的场景,以及国家节能环保的政策背景,考虑分时电价、部分充电、软时间窗、以及动态需求等因素,以最小化配送总成本为目标,建立考虑众包场景的电动车动态需求车辆路径问题(EDDVRP-CD)的两阶段整数规划模型。考虑动态需求的时效性,设计了启发式算法——改进的禁忌自适应大规模邻域搜索算法(IALNS-TS),增加了新的删除算子和修复算子,同时提出了加速策略。分别与两种算法——自适应大规模邻域搜索算法(ALNS)以及禁忌搜索算法(TS)进行对比,通过大量算例验证了IALNS-TS算法能够快速响应动态需求,并有效降低总配送费用。

基于混合遗传搜索求解载重约束的电动车辆路径问题

载重约束的电动车辆路径问题(capacitated electric vehicle routing problem,CEVRP)是物流配送中的一种NP困难的组合优化问题,要求满足车辆的载重和电量约束条件,最小化总配送距离。提出一种混合遗传搜索算法来解决CEVRP,将其分解为两个子问题:载重约束的车辆路径问题和固定路径车辆充电问题。设计了双层染色体结构的编码方案,表示两个子问题的决策变量。采用Split操作生成满足载重约束的车辆路径,使用Relocate、2-Opt、2-Opt^(*)、SWAP和SWAP^(*)邻域搜索算子对其进行局部优化;提出一种基于回溯的充电策略,将合适的充电站编号插入车辆路径,以满足电量约束。本文算法与五种方法实验比较的结果表明,本文算法在多数CEVRP测试问题上能找到比其它方法更好的解,尤其适合于求解大规模的CEVRP。

电动车辆路径问题:可调鲁棒数学模型与算法

针对行驶时间不确定的允许部分充电的带时间窗电动车辆路径问题,考虑多面体不确定集度量行驶时间的不确定性,建立了一个可调鲁棒优化模型,设计了基于行生成和集划分的求解算法,采用标号法对路径的可行性进行判定,并将不可行的路径作为新的约束加入到模型中.数值实验表明,94%的算例可求得最优解,这验证了本算法的效率;利用多面体不确定集进行度量对总行驶距离和车辆总数目具有正向的影响;相比于普通鲁棒优化,可调鲁棒优化的求解结果有显著提高,可以提升车辆调度的灵活性.

考虑弹性时间窗的电动车辆配送路径问题研究

电动车辆充电时间长和充电设施不足的问题严重影响了其在物流配送领域的有效推广。针对该问题,提出了换电模式下电动车辆配送路径问题。首先构建了包括车辆租赁成本、运输成本、惩罚成本和换电成本在内的物流运营成本最小化的数学模型,并使用弹性时间窗代替传统软时间窗;其次,应用改进的遗传算法对模型进行求解;得出最优的配送方案,验证了模型和算法的有效性,并与传统软时间窗下的优化结果进行对比,研究表明采用弹性时间窗可以有效降低物流运营成本。

改进充电策略下电动车辆路径问题建模与仿真

目前电动车辆路径问题中的充电策略通常是完全充电策略,会带来充电时间不灵活,难以满足客户时间窗等问题。针对该问题,提出了改进充电策略,将车辆充电时间点、充电站点和充电电量作为决策变量,以电动车辆运营总成本最小为目标函数,建立了混合整数规划模型,并提出了自适应遗传算法融合模拟退火算法的混合启发式求解算法。最后,算例仿真测试和灵敏度分析结果验证了模型和算法的有效性和实用性。

混合变邻域搜索算法求解大规模电动车辆路径优化问题

基于真实的物流场景,研究了带时间窗的多车型和多循环电动车辆路径问题。建立了一个基于路径的混合整数线性规划模型,可精确求解小规模算例。提出了将变邻域搜索算法和标签算法相结合的混合启发式算法,用以求解大规模情形。该算法提出了一种带随机因子的启发式算法构造初始解,并对时间窗和里程约束进行了松弛,使用邻域算子进行变邻域搜索,使用标签算法精确求解了固定商户配送顺序下的路径最优充电决策问题。测试结果表明:混合变邻域搜索算法可在极短时间内找到最优解,能大幅度降低物流成本。

考虑多行程与同时取送货的电动车路径问题研究

针对城市物流配送中的电动车辆路径优化问题,考虑电动汽车的充电特性以及车辆多行程和需求点的双向货流,以最小化车辆成本、行驶成本和充电成本为目标,建立考虑多行程与同时取送货的电动车辆路径问题(EVRPMTSPD)模型,并采用列生成算法进行求解.为提高子问题求解速度,提出了基于蚁群算法的启发式寻路算法用以处理较大规模问题,数值实验验证了模型与算法的有效性,表明了考虑多行程和同时取送货能有效降低成本和提高效率.

时变交通下生鲜配送电动车辆路径优化方法

依据时变交通路网特点设计基于路段划分策略的行驶时间计算方法,综合考虑客户对生鲜产品最低新鲜度约束,车载限制和电动车电量约束,设计三约束决策因子方法.以配送总成本最小为目标,构建时变交通下电动车城市生鲜配送路径优化模型,根据模型特点设计自适应改进的蚁群算法.实验结果表明,本文方法能够根据客户生鲜新鲜度要求,客户属性和路网特性,合理安排发车时间,科学规划配送路径,有效避免交通拥堵;通过算法对比,本文模型和算法能够明显降低配送成本,提高企业经济效益.

基于两阶段求解策略的动态电动车辆路径优化研究

由于政府对新能源汽车的补贴政策和市区对燃油车限行政策的实时,越来越多的物流公司在城市配送中广泛采用电动汽车。然而,电动车续航里程受限,需要在途充电或者换电,同时客户需求的动态性以及充/换电设施的排队等现实因素也应该被考虑。为此,提出了分阶段策略求解动态电动车辆路径优化问题,并建立了两阶段的EVRP模型。其中第一阶段针对静态客户建立了静态EVRP模型,第二阶段在设计了换电站及动态客户插入策略的基础上,建立了动态EVRP模型以路径更新策略。最后,设计改进的CW-TS混合启发式算法来求解静态模型,设计贪婪算法求解动态模型。实验结果表明,模型与算法具有较好的适用性和有效性。

线性充电策略下多车型电动车辆路径模型研究

针对现实物流配送场景下使用多种具有不同载重、不同续航里程和不同购置成本的电动车队进行物流配送的问题,研究了线性可变充电策略下的多车型电动车辆路径问题。提出了基于路径的混合整数线性模型。列举了任意非充电节点之间所有车型访问的路径,通过负载约束、时间窗约束剔除不可行的路径,通过占优准则剔除被占优的路径。与传统的基于充电站副本的模型相比,该模型不再需要设置充电站副本个数。通过对该模型在不同规模下的公共算例进行仿真实验,结果表明,该模型在求解质量与求解速度方面优于其他模型,验证了模型的有效性。

基于自适应变邻域搜索的大规模电动车辆路径优化

针对变邻域搜索后期出现的在某些邻域内长时间无法找到更优的可行解的情况,提出了一种基于邻域选择概率自适应的变邻域搜索算法。该算法能够自适应调整在某个邻域进行搜索的概率,进而提高优化效率。对城市配送中的大规模电动车辆路径问题进行了建模分析,根据客户的地理位置、时间窗等信息设计了高效的初始解生成算法。使用片段交换、2-opt、Relocation等邻域算子进行自适应变邻域搜索。最后使用不同规模的实际数据对算法进行仿真验证,相比于传统的变邻域搜索算法,本文算法能更有效地跳出局部最优解,降低物流成本。

低碳视角下城乡区域混合车队生鲜配送路径问题研究

随着物流行业绿色化转型加快,越来越多的物流企业使用由燃油冷藏车和电动冷藏车组成的混合车队来完成生鲜配送。本文综合考虑环境效益、企业效益、客户满意度、生鲜产品特点等因素,建立燃油车辆与电动车辆混合车队生鲜配送路径优化模型,并选取城市与农村两种不同客户分布类型的区域作为算例分析。结果表明,相比于纯燃油车队与纯电动车队,混合车队可为城市地区的生鲜配送节省32.9%~39.4%的总成本,为农村地区节省12.1%~21.4%的总成本,且合理的配送中心位置和充电桩布局方案能为企业、客户与环境带来更优的效益。本文为物流企业根据配送区域特点制定合理的车队配置及路径方案,为政府进行末端冷链配送中心选址与电动冷藏车充电设施布局提供了理论参考,进一步促进了冷链物流绿色转型。

改进的自适应大规模邻域搜索算法求解动态需求的混合车辆路径问题

为了给物流企业在车辆配送方案制定上提供决策支持,针对电动物流车与燃油物流车混合配送的模式,研究了带时间窗的动态需求车辆路径问题,建立了以配送总成本最小化为目标的两阶段整数规划模型。针对模型特点,设计了改进的自适应大规模邻域搜索(improved adaptive large neighborhood search,IALNS)算法,提出新的删除、修复算子及动态阶段加速策略,分别针对大规模的静态算例与动态算例进行算法性能测试。结果表明,与无改进策略的IALNS(IALNS-ND)相比,静态问题中在相同的求解时间内75%的算例(12个算例中9个)IALNS得到的最小值和平均值优于IALNS-ND,动态问题中95%(60个算例中57个算例)的算例可以得到成本和时间均优于IALNS-ND的解;与三种算法——自适应大规模邻域搜索算法(ALNS)、大规模邻域搜索算法(LNS)以及变邻域搜索算法(VNS)相比,静态问题中所有算例IALNS获得的总成本的最小值和平均值均优于三个对比算法,动态问题中58%(60个算例中35个算例)的算例IALNS能够以少于三个对比算法1.5倍甚至10倍的时间获得更优的解。同时随着问题动态度的提高,IALNS的速度更快,质量更好,证明了该算法在求解时效性要求高的动态需求车辆路径问题的优越性。

考虑时变速度和动态需求的电动车辆路径问题

针对时变速度车辆路径问题,考虑动态客户需求并引入电动车替代燃油车。首先采用“wait-and-see”策略对动态需求进行建模,并建立其静态子问题的混合整数规划模型。然后提出了基于时域划分的求解算法,在每个时域的结束时刻处理动态需求,并利用模拟退火结合变邻域搜索的混合启发式算法来求解,从而实现电动车辆路径的循环优化与更新。最后设计了多种类型和规模的测试算例,测试结果表明本文算法既可以有效求解静态问题,也可以实现动态新增需求的实时处理。

基于分支定价算法的电动车与燃油车混合车辆路径问题研究

随着电动物流车的日渐普及,越来越多物流企业的配送业务由传统燃油车和电动物流车共同完成.针对燃油车与电动车混用的情形,综合考虑两者在最大载重、最大行驶里程、运营成本的差异,以及电动车的充电行为,研究了带时间窗的电动车与燃油车混合车辆路径问题.构建了该问题的整数规划模型,并基于Dantzig-Wolfe分解原理将所建模型重构为主问题和子问题模型.就问题较小规模和较大规模两种情形分别设计了能快速获得初始解的启发式规则和遗传算法.以此为基础,设计分支定价算法获取最优解,并通过与CPLEX的对比,验证模型和算法的正确性.最后,就车型配比、载重、电池容量、充电率等因素对配送系统总成本的影响进行了灵敏度分析,并提出了相应的管理建议.

带软时间窗的电动车辆路径优化问题

纯电动汽车作为一种新型的交通运输工具,其以节能、低碳以及绿色的显著优势已经被广泛地运用到各种物流场景中,但是其受到续航里程和充/换设施不健全等因素的影响,使得与传统汽车相比具有更高的使用成本。为了降低电动汽车在物流配送过程中的使用成本,研究了带软时间窗的电动车辆路径优化问题,建立了以最小化路径成本、时间窗惩罚成本以及车辆使用成本为目标函数的数学模型,并设计了节约里程加改进的禁忌搜索算法对该模型进行求解。最后,结合算例对提出的混合启发式算法进行了检验与分析。

考虑载重影响耗电率的电动车车辆路径问题

随着新能源和绿色物流等政策的出台,电动车逐渐成为物流配送的主要运输工具.考虑到电动车的电池容量、充电时间、耗电率和充电站位置等因素,研究载重影响耗电率的电动车车辆路径问题,建立以总成本最小化为目标的混合整数规划模型.结合禁忌搜索算法的思想,设计改进的自适应大邻域搜索算法对其求解,在该算法中,开发多种基于模型特性的破坏算子和修复算子以提高求解效率.通过算例求解验证模型和算法的有效性,为物流企业电动车配送方案的规划提供一定的决策依据.